PRACTICE LABS
करके सीखें — working labs में।
synthetic patients के साथ hands-on environments जिन्हें आप तोड़ नहीं सकते। हर lab आपके स्तर पर चलती है: शुरुआती लोगों के लिए guided visual mode, तैयार होने पर pro mode।
Digital Health & Informatics
23 labsमुख्य track: आधुनिक healthcare कैसे information को move, store व reason करती है — standards, terminologies, integration, clinical decision support, और evidence-based care के पीछे के data व research methods। SIDHI certification तक ले जाती है।
Interoperability & Integration
FHIR Mapper · HL7 v2 → FHIR R4
एक hospital admit message को FHIR Patient resource में field-दर-field map करें, और एक profile के विरुद्ध validate करें। Visual mapper या pro editors।
FHIR API Sandbox
Synthetic server पर live FHIR REST calls करें — Patient GET, Observation POST, search, Bundle transaction।
FHIR Conformance & Profiling
वह कठोर 'structured FHIR' कौशल जो employers परखते हैं: एक StructureDefinition कैसे base resource को profile (US Core, भारत का NDHM IG) में constrain करती है, binding strength, must-support, slicing, और क्या कोई instance वास्तव में conform करता है। आठ graded conformance scenarios।
HL7 v2 Message Explainer
कोई भी raw HL7 v2 message paste करें और हर field का सरल-भाषा, segment-दर-segment विश्लेषण पाएँ — format सीखने का तेज़ तरीका।
Clinical Integration Engine
एक hospital integration engine में message trace करें — routing rules, transformation, ACK/NACK, और multi-destination delivery।
CDS Hooks · Decision Support
CDS service response author करें — cards, suggestions — जो real EHR hook events से trigger होती हैं।
Clinical Systems & Workflow
EHR Workflow · CPOE & Order Safety
Clinician-facing परत: एक synthetic patient पर orders डालें और देखें कि एक real check engine allergy, drug–drug interaction, renal तथा duplicate-therapy alerts कैसे तुरंत fire करता है। साथ में order sets और workflow judgement — wrong-patient entry, alert fatigue, और administration loop बंद करना।
नर्सिंग इन्फ़ॉर्मेटिक्स · केयर प्लान, eMAR और NEWS2
दवा-चक्र का वह छोर जहाँ CPOE ज़िम्मेदारी सौंपता है। अपने आकलन से केयर प्लान बनाएँ, ऐसे वार्ड में बारकोड दवा प्रशासन चलाएँ जहाँ दो मरीज़ों का उपनाम एक ही है, और वास्तविक NEWS2 तालिका से चुपचाप बिगड़ते मरीज़ का स्कोर निकालें।
Terminology & Coding
Shabda · Terminology & Code Lookup
कोई भी clinical concept देखें — SNOMED CT, ICD-10-CM, ICD-11, LOINC — और उसके crosswalks, hierarchy और coding rules trace करें। Pro mode में सभी billable codes देखें।
ICD-10-CM Clinical Coding
असली ICD-10-CM codes की anatomy decode करें (category, laterality, 7th character, placeholder X), फिर synthetic cases code करें — engine billability और specificity जाँचता है, multiple choice नहीं।
Clinical NLP & AI
Clinical NLP · Annotation & Extraction
एक synthetic clinical note पढ़ें और medicines, doses, problems और lab values को label करें — gold standard बनाएँ, फिर देखें AI क्या extract करता है।
Clinical AI/ML · Evaluate & Govern
साबित करें कि आप एक clinical model को सिर्फ चला नहीं, बल्कि परख सकते हैं: decision threshold बदलें और confusion matrix, ROC/AUROC तथा calibration को बदलते देखें; subgroups में fairness audit करें; एक model card लिखें; और EU AI Act, drift व human-oversight scenarios पर निर्णय लें। Synthetic cohort।
Data Science & Research
Health Data Analytics Lab
Synthetic patient dataset पर real SQL लिखें। 5 tables — patients, encounters, diagnoses, vitals, lab results — को query करके clinical questions के जवाब दें। Guided mode में query scaffold मिलती है; Pro mode blank editor है।
Health Data Science Lab
Browser में WebAssembly के ज़रिए Python, pandas और matplotlib से 20-patient synthetic hospital dataset पर analysis करें। Demographics से लेकर length-of-stay तक 5 scenarios। Guided mode में starter code मिलती है; Pro mode blank है।
Biostatistics Lab
Browser में Python, scipy और statsmodels से एक synthetic randomized controlled trial का analysis करें। पाँच scenarios: descriptive statistics, independent t-test, chi-square, correlation व linear regression, और Kaplan-Meier survival analysis। Guided mode में starter code मिलती है; Pro mode blank है।
Epidemiology & EBM Lab
Browser में Python से study data को evidence में बदलें। पाँच scenarios: disease frequency, measures of association (RR / OR / NNT), diagnostic-test evaluation (sensitivity, specificity, ROC/AUC), confounding व Mantel-Haenszel adjustment, और evidence-based-medicine appraisal (ARR / RRR / NNT, confidence intervals के साथ)।
Data Harmonization · OMOP CDM
Messy source data को OMOP Common Data Model में harmonize करें — real-world-evidence व pharma research की नींव। Local codes को standard concepts से map करें, patient cohort बनाएँ, drug–condition queries चलाएँ, और standard concepts पर prevalence निकालें। केवल synthetic data; CDM structure open है।
Pharmacovigilance · MedDRA
Synthetic spontaneous-reporting database पर Python से drug-safety signals detect करें। MedDRA hierarchy (PT → SOC) navigate करें, adverse events को code व roll-up करें, और disproportionality (PRR / ROR) classic signal criteria के साथ निकालें। केवल synthetic MedDRA codes — dictionary licensed है।
Life & Biomedical Sciences
2 labsLife व biomedical sciences में computational skills के लिए एक adjacent track — sequence analysis और biomedical signal processing। Biotech, life-sciences व biomedical-engineering learners के लिए।
Bioinformatics Lab
Python में DNA और protein sequences पर काम करें — GC content, reverse complement, transcription व translation, FASTA parsing और pairwise alignment — पूरी तरह browser में। Biotech, life-sciences व bioinformatics students के लिए।
Bioinstrumentation Lab
Python में scipy.signal से biomedical signals process करें: synthetic ECG generate व filter करें, heartbeats detect करें, और FFT से frequency spectrum analyse करें। Biomedical-engineering students के लिए।